基于信息融合的机器人薄壁轴承故障智能诊断

为了实现轴承故障智能诊断,对基于信息融合的机器人薄壁轴承故障智能诊断方法进行研究。首先,采用声发射和振动传感器,搭建了机器人薄壁轴承试验与多信息数据采集系统;然后,以薄壁单列角接触球轴承ZR71820为对象,在轴承外圈、内圈和滚动体上分别制作点蚀、裂纹缺陷,用正交试验法采集不同缺陷类型、不同当量载荷及不同转速状态下薄壁轴承在试验过程中的声发射和振动信号;最后,选取时域中均方根值和峭度指数及频域中均方根频率作为振动、声发射信号的特征参数,分别进行了基于单一振动、声发射信号的薄壁轴承故障诊断,并采用SOM与BP神经网络将试验过程中的振动和声发射信号的特征信息进行融合,研究了基于信息融合的机器人薄壁轴承故障智能诊断技术。结果表明:基于振动信号故障诊断的正确率为85.7%;基于声发射信号故障诊断的正确率为81.0%;基于BP神经网络信息融合故障诊断的正确率为93.5%;基于SOM神经网络信息融合故障诊断的正确率为95.2%。基于SOM神经网络信息融合的薄壁轴承故障智能诊断比单用振动或声发射信号的诊断正确率分别高出9.5%和14.2%,比用BP神经网络信息融合故障诊断的正确率高1.7%。     

基于SOFM网络的机械设备多类型信息融合与状态识别

从信息源的角度来说 ,机械监测与诊断系统是一个多源信息处理系统。提出了利用信息压缩进行多类型特征信息融合的思想 ,研究了自组织特征映射 (SOFM)网络处理这种多类型信息融合的可视化状态识别方法。网络输出层激活结点的轨迹 ,可以正确直观地反映出多源信息所表示状态的潜在变化特征 ,从而便于识别早期故障的发生与变化趋势。通过对试验及现场数据的融合处理 ,说明了所提出方法的有效性。     

工业机器人专用薄壁密封轴承结构设计分析

介绍了工业机器人专用薄壁密封四点接触球轴承和薄壁密封交叉滚子轴承的结构形式、特点；重点介绍了产品设计中主参数的优化、关键结构参数的设计及选取原则，为国内工业机器人专用配套轴承的系列开发提供了有力的技术支撑和研究基础。     

基于信息融合技术的加工过程监测系统研究

加工过程状态的监测与控制是提高机床智能化的重要研究内容,为实现加工过程的智能化监测与控制必须以多传感器及多传感器信息融合技术为基础.提出了一种基于粗糙集理论和神经网络的多传感器智能信息融合方法,该方法将粗糙集理论作为实现多传感器数据融合的方法,同时针对粗糙集理论只能处理离散数据的问题.提出了使用自组织特征映射网络对传感器采集数据进行离散化及聚类处理的方法,针对粗糙集理论在决策融合处理方面的不足,提出了使用BP神经网络来实现决策规则的有效融合,分析了该方法的原理、关键技术及实现方法,为后期的进一步的研究和应用打下基础.     

基于Transformer的智能轴承声-振融合故障诊断

针对单一信源(振动或声音)轴承故障诊断方法所蕴含信息不全面的问题,开展了具有多源传感器集成的智能轴承的声-振融合故障诊断研究,引入Transformer架构作为声-振融合诊断模型的基本模式以加强信号的时序特征提取能力,利用交叉自注意力机制使声音信号与振动信号在特征提取过程中交互与融合,从而实现端到端的智能轴承故障诊断。搭建智能轴承试验台采集声音与振动数据进行验证的结果表明,基于Transformer的智能轴承声-振融合故障诊断方法相对于单独使用声音、振动的方法以及基线Transformer方法,诊断性能均有提升。     

变工况下基于信息融合的地铁牵引电机轴承故障智能诊断

针对传统滚动轴承故障诊断方法过于依赖先验知识和专家经验,以及单一信号对某些故障识别率偏低的问题,提出一种变工况下基于信息融合的地铁牵引电机轴承故障诊断方法.首先搭建滚动轴承试验与多信息采集系统;其次对地铁牵引电机轴承进行缺陷预制并采集轴承试验过程中的声发射和振动信号;然后用小波包分解对原始信号进行处理并提取特征,再用卷积神经网络对归一化后的特征信息进行融合;最后建立二维卷积神经网络模型,对不同工况下的地铁牵引电机轴承故障进行智能诊断.试验结果表明:变工况下基于信息融合的地铁牵引电机轴承故障智能诊断方法,可在载荷和转速变化的情况下准确识别轴承的故障类型,当神经网络训练集与测试集涵盖工况相同时,准确度可达100％.     

基于RBF神经网络和多信息融合技术的往复压缩机状态评估研究

为及时、准确地捕捉设备运行的异常信息,提出基于径向基函数神经网络（Radial Basis Function Neural Network,简称RBFNN）和多信息融合技术的设备状态评估方法;利用往复压缩机不同测点特征值的趋势变化特点,研究神经网络分类技术,优选敏感特征参数,对不同测点特征值的趋势变化特点进行分类与组合,建立往复压缩机状态评估流程,实现设备运行异常状态的预警评估.     

基于多特征融合的轧机自激振动预警方法

针对轧机自激振动信号的特点,首先,综合运用时域、频域以及时频域的信号处理技术从不同角度分析轧机振动信号的特征,通过提取多个特征指标以保证反应轧机自激振动状态的完备性和有效性;其次,运用基于最大相关、最小冗余的无监督特征选择的策略,删除不相关的特征和冗余的特征,实现特征指标集的优化;最后,使用基于自组织神经网络(self-organizing map,简称SOM)的多特征融合方法,构建出准确反应轧机自激振动趋势的特征指标,提出6σ准则与实际工况要求相结合的报警门限设定方法.通过对轧机自激振动的工程实际数据的验证表明,所构造的特征指标能提前发现轧机自激振动趋势并报警,使操作人员能够提前采取降速措施避免振动发生,可有效降低轧制薄板的废品率,减少了企业的经济损失.     

基于优化CNN与信息融合的地铁牵引电机轴承故障诊断

针对在单一传感器下轴承故障识别率低的问题,提出一种基于优化CNN与信息融合的地铁牵引电机轴承故障智能检测方法。首先,选取NU216轴承为研究对象,预制故障缺陷;然后,采用正交试验法设计试验方案,采集NU216轴承的振动信号和声发射信号;其次,将原始数据通过连续小波变换,分别提取轴承的振动和声发射信号的时频域特征,并将2类单通道数据进行融合,得到双通道融合数据集;最后,将得到的3类数据集分别划分为训练集和测试集,输入优化后的卷积神经网络模型进行训练、测试。试验结果表明,基于振动信号的故障诊断准确率为95.76%,基于声发射信号的故障诊断准确率为92.33%,基于融合信号的故障诊断准确率为98.59%。     

基于贝叶斯推论和自组织映射的轴承性能退化评估方法

为在线识别和评估轴承的动态运行状态,提出一种基于贝叶斯推论和自组织映射的轴承性能退化评估方法。首先运用独立成分分析算法从原始特征集提取表征轴承正常运行的特征集,建立描述轴承健康状态的基准自组织映射模型,进而提出基于负对数似然概率的设备性能量化评估指标和基于贝叶斯推论的失效概率计算方法,在线识别和评估轴承的动态运行状态。通过在轴承全寿命测试床的实验结果表明,与一些传统的特征值指标和基于支持向量数据描述的性能退化评估方法相比,提出的评估指标可有效地量化轴承的全寿命性能退化过程,为进一步制定维护计划提供重要的设备健康信息。     

CONDITION MONITOR OF DEEP-HOLE DRILLING BASED ON MULTI-SENSOR INFORMATION FUSION

A condition monitoring method of deep-hole drilling based on multi-sensor information fusion is discussed. The signal of vibration and cutting force are collected when the condition of deep-hole drilling on stainless steel OCr17Ni4Cu4Nb is normal or abnormal. Four eigenvectors are extracted on time-domain and frequency-domain analysis of the signals. Then the four eigenvectors are combined and sent to neural networks to dispose. The fusion results indicate that multi-sensor information fusion is superior to single-sensor information, and that cutting force signal can reflect the condition of cutting tool better than vibration signal.     

基于融合CNN与PSO-SVM的滚动轴承故障诊断

针对滚动轴承故障识别过程中,难以提取细微故障特征的问题,提出一种基于融合卷积神经网络与基于粒子群优化算法的支持向量机相结合的滚动轴承故障诊断方法.该方法将轴承振动信号同时作为一维卷积神经网络和二维卷积神经网络的输入信号,并在汇聚层中将提取到的故障信息融合,最后通过优化后的分类器提高故障识别准确率.为了验证该方法的诊断性能,将与融合卷积神经网络同规格的一维卷积神经网络和二维卷积神经网络进行对比.试验结果表明,该方法不仅可以提高故障识别准确率,还可以在信号受到噪声污染时保持良好的诊断性能.     

基于神经元的多传感器数据级融合研究

在不知道先验知识的条件下,从含有观测噪声的多传感器测量数据中估计出方均误差最小的数据融合值,并作为神经元融合系统训练样本,因而解决了多传感器测量系统数据级融合的标定问题。研究结果表明,融合数据在精度、容错性以及动态响应方面均优于单传感器测量。     

基于混合基分布方法的数据融合可靠度分析

针对同种产品的多类试验源寿命数据信息,利用构造的混合基分布,实现三源数据融合,同时估计出数据源的总体分布密度函数.基于EM算法得到混合基分布密度函数参数向量中各未知参数极大似然估计的迭代式.使用经过Bootstrap法扩权的样本,给出了各参数估计值,确定混合基分布的密度函数解析,进而完成产品可靠性分析.算例验证了该类模...     

基于信息融合的精密磨削砂轮磨损状态在线识别方法研究

高质量非球面光学元件批量制造是目前精密磨削技术力求实现的目标。为了提高非球面光学元件精密磨削的加工效率,必须在加工过程中动态识别砂轮磨损状态,在砂轮接近或达到寿命周期时对其进行修整。寻求一种经济可行的方式,实现砂轮寿命周期在线评估,利用声发射、砂轮振动、磨削力等多种类型加工过程信号,提取和选择能够全面、灵敏反应砂轮磨损状态的特征,基于Dempster-Shafer证据理论,进行多源信息融合,实现精密磨削砂轮磨损状态在线识别。     

基于同源数据融合技术的机械故障诊断方法

机械设备故障诊断技术是一项跨学科的新技术。本文将数据融合思想引入到故障诊断领域，并将神经网络技术和数据融合技术综合使用，通过信号采集、特征提取和识别决策几个过程，研究了基于同源数据融合技术机械故障诊断方法，并在实验中验证了些种方法的有效性。     

基于数据拟合的小波构造及轴承故障诊断

构造最优小波函数是实现提升小波降噪的关键。在确定最优分解层数和有效阈值基础上,在插值细分过程中引入数据拟合的方法,选取不同的基函数、样本点数和基函数的维数构造出具有不同光滑性、震荡性、消失矩的新小波,并引入相似系数对所构造的小波函数进行分析并选取最适小波函数,并将其与冗余提升小波变化相结合,改善其预测算子和更新算子。仿真及工程数据分析验证了该小波函数在振动信号降噪中的有优越性,为轴承故障诊断提供了帮助。     

STUDY ON THE COAL-ROCK INTERFACE RECOGNITION METHOD BASED ON MULTI-SENSOR DATA FUSION TECHNIQUE

The coal-rock interface recognition method based on multi-sensor data fusion technique is put forward because of the localization of single type sensor recognition method. The measuring theory based on multi-sensor data fusion technique is analyzed, and hereby the test platform of recognition system is manufactured. The advantage of data fusion with the fuzzy neural network (FNN) technique has been probed. The two-level FNN is constructed and data fusion is carried out. The experiments show that in various conditions the method can always acquire a much higher recognition rate than normal ones.     

基于卡尔曼滤波数据融合的并联机床动态定位方法

针对并联机床动平台上主轴动态定位问题,将惯性传感技术运用于并联机床动平台的位姿测量,提出一种基于卡尔曼滤波(Kalman filtering,KF)数据融合的并联机床动态定位新方法。该方法融合动态惯性测量数据和机床各腿(支架)的编码器信息,通过KF算法补偿动态测量误差和计算误差,从而实现并联机床动平台位姿(位置和方向)的精确定位。详细介绍KF算法中惯性系统模型和外部测量模型的建立过程,以及测量变量与状态变量间的关系矩阵的推导过程。最后,进行一个单方向运动动态测量的简化试验,对并联机床动平台的6自由度位姿测量进行仿真研究,初步证实了该位姿算法的有效性。     

利用激光跟踪仪对机器人进行标定的方法

提出一种简单的利用激光跟踪仪和线性方程最小二乘解对机器人进行标定的方法。通过将机器人运动学方程线性化,建立机器人末端凸缘盘位置误差与连杆D-H参数误差的关系方程。利用激光跟踪仪确定机器人的基坐标系,并通过圆周法求解每个关节电动机的直线方程,进而可以求得机器人的连杆扭角。通过激光跟踪仪测量机器人目标点的坐标值,并通过串口获得机器人6根轴的角度值建立标定方程。通过求解此方程,获得机器人的实际D-H参数,并将此参数应用于修正系统的运动学模型,能够提高机器人的绝对精度。最后对解算过程中的误差和原因进行说明,并对机器人的误差原因进行分析,指出标定过程中需要注意和改进的几个问题。